python如何利用pd.cut()和pd.qcut()對數據進行分箱操作

這篇“python如何利用pd.cut()和pd.qcut()對數據進行分箱操作”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“python如何利用pd.cut()和pd.qcut()對數據進行分箱操作”文章吧。

1.cut()可以實現類似于對成績進行優良統計的功能，來看代碼示例。

假如我們有一組學生成績，我們需要將這些成績分為不及格（0-59）、及格（60-70）、良（71-85）、優（86-100）這幾組。這時候可以用到cut()

import numpy as np
import pandas as pd

# 我們先給 scores傳入30個從0到100隨機的數
scores = np.random.uniform(0,100,size=30)

# 然后使用 np.round()函數控制數據精度
scores = np.round(scores,1)

# 指定分箱的區間
grades = [0,59,70,85,100]

cuts = pd.cut(scores,grades)
print('\nscores:')
print(scores)
print('\ncuts:')
print(cuts)
# 我們還可以計算出每個箱子中有多少個數據
print('\ncats.value_counts:')
print(pd.value_counts(cuts))

======output:======

scores:
[ 6.  50.8 80.2 22.1 60.1 75.1 30.8 50.8 81.6 17.4 13.4 24.3 67.3 84.4
 63.4 21.3 17.2  3.7 40.1 12.4 15.7 23.1 67.4 94.8 72.6 12.8 81.  82.
 70.2 54.1]

cuts:
[(0, 59], (0, 59], (70, 85], (0, 59], (59, 70], ..., (0, 59], (70, 85], (70, 85], (70, 85], (0, 59]]
Length: 30
Categories (4, interval[int64]): [(0, 59] < (59, 70] < (70, 85] < (85, 100]]

cuts.value_counts:
(0, 59]      17
(70, 85]      8
(59, 70]      4
(85, 100]     1
dtype: int64

默認情況下，cat()的區間劃分是左開右閉，可以傳遞right=False來改變哪一邊是封閉的

代碼示例：

cuts = pd.cut(scores,grades,right=False)

也可以通過向labels選項傳遞一個列表或數組來傳入自定義的箱名

代碼示例：

group_names = ['不及格','及格','良','優秀']
cuts = pd.cut(scores,grades,labels=group_names)

當我們不需要自定義劃分區間時，而是需要根據數據中最大值和最小值計算出等長的箱子。

代碼示例：

# 將成績均勻的分在四個箱子中，precision=2的選項將精度控制在兩位
cuts = pd.cut(scores,4,precision=2)

2.qcut()可以生成指定的箱子數，然后使每個箱子都具有相同數量的數據

代碼示例：

import numpy as np
import pandas as pd

# 正態分布
data = np.random.randn(100)

# 分四個箱子
cuts = pd.qcut(data,4)

print('\ncuts:')
print(cuts)
print('\ncuts.value_counts:')
print(pd.value_counts(cuts))


======output:======

cuts:
[(-0.745, -0.0723], (0.889, 2.834], (-0.745, -0.0723], (0.889, 2.834], (0.889, 2.834], ..., (-0.745, -0.0723], (-0.0723, 0.889], (-3.1599999999999997, -0.745], (-0.745, -0.0723], (-0.0723, 0.889]]
Length: 100
Categories (4, interval[float64]): [(-3.1599999999999997, -0.745] < (-0.745, -0.0723] < (-0.0723, 0.889] <
                                    (0.889, 2.834]]

cuts.value_counts:
(0.889, 2.834]                   25
(-0.0723, 0.889]                 25
(-0.745, -0.0723]                25
(-3.1599999999999997, -0.745]    25
dtype: int64

以上就是關于“python如何利用pd.cut()和pd.qcut()對數據進行分箱操作”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。